[发明专利]基于学习和加速鲁棒SURF特征的目标跟踪方法

摘要

本发明公开一种基于学习和加速鲁棒SURF特征的目标跟踪方法，主要解决现有技术中由于目标快速变化或者发生遮挡而导致目标跟踪失败的问题。其实现步骤为：(1)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板；(2)通过跟踪-在线学习-检测模型跟踪目标；(3)判定跟踪与检测目标的结果；(4)提取目标模板和视频当前帧的加速鲁棒SURF特征；(5)利用欧氏距离对获得的加速鲁棒SURF特征进行匹配；(6)输出目标跟踪结果，更新目标模板；(7)循环执行步骤(2)～步骤(6)，直到视频结束。本发明与现有的技术相比在目标快速变化或者发生遮挡情况下提高了目标跟踪的鲁棒性。

主权项

一种基于学习和加速鲁棒SURF特征的目标跟踪方法，包括以下步骤：(1)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板；(2)通过跟踪‑在线学习‑检测模型，对目标进行跟踪：2a)用视频的第一帧对跟踪‑在线学习‑检测模型进行初始化；2b)将步骤(1)标记出的跟踪目标作为正样本，在正样本附近取100个图像块作为负样本，并用这些正负样本训练随机森林检测器；2c)从输入视频的第二帧开始，对待跟踪目标进行跟踪与检测；(3)判定跟踪与检测目标的结果：3a)设定置信阈值Tc＝0.7，如果跟踪结果的置信值大于Tc，则认为是有效跟踪，即跟踪到了目标，同时用跟踪结果更新随机森林检测器，执行步骤(6)；3b)如果跟踪结果的置信值小于Tc，则认为是跟踪失败，执行步骤(4)；(4)提取目标模板和视频当前帧的加速鲁棒SURF特征：4a)计算目标模板的积分图像值I1∑： I 1 Σ = Σ i = 0 i ≤ x Σ j = 0 j ≤ y I ( i , j ) , 其中，I(i,j)表示目标模板中点(i,j)处的像素值，(x,y)表示目标模板中某一点的坐标；4b)计算视频当前帧的积分图像值I2∑： I 2 Σ = Σ p = 0 p ≤ a Σ q = 0 q ≤ b I ( p , q ) , 其中，I(p,q)表示当前帧中点(p,q)处的像素值，(a,b)表示当前帧中某一点的坐标；4c)采用不同尺度的箱式滤波器建立适应目标变换的尺度空间，即将各个箱式滤波器按照尺度大小的不同组成一个空间塔状结构，其中每个尺度上包含x、y和xy三个方向上的箱式滤波器；4d)根据步骤4a)得出的积分图像值和步骤4c)采用的箱式滤波器，求出目标模板中每一点的特征矩阵 H 1 ( σ ) = D 1 xx ω D 1 xy ω D 1 xy D 1 yy , 并计算H1(σ)对应行列式的值detH1：detH1＝D1xxD1yy‑(ωD1xy)2，其中，D1xx表示由步骤4a)得到的积分图像值与步骤4c)中x方向上箱式滤波器相乘求和的结果，D1xy表示由步骤4a)得到的积分图像值与步骤4c)中xy方向上箱式滤波器相乘求和的结果，D1yy表示由步骤4a)得到的积分图像值与步骤4c)中y方向上箱式滤波器相乘求和的结果，ω是箱式滤波器的误差比例因子，σ表示尺度；4e)根据步骤4b)得出的积分图像值和步骤4c)采用的箱式滤波器，求出视频当前帧中每一点的特征矩阵 H 2 ( σ ) = D 2 xx ω D 2 xy ω D 2 xy D 2 yy , 并计算H2(σ)对应行列式值detH2：detH2＝D2xxD2yy‑(ωD2xy)2，其中，D2xx表示由步骤4b)得到的积分图像值与步骤4c)中x方向上箱式滤波器相乘求和的结果，D2xy表示由步骤4b)得到的积分图像值与步骤4c)中xy方向上箱式滤波器相乘求和的结果，D2yy表示由步骤4b)得到的积分图像值与步骤4c)中y方向上箱式滤波器相乘求和的结果，ω是箱式滤波器的误差比例因子，σ表示尺度；4f)将步骤4d)～4e)得到的行列式值中大于零的点定为极值点，以每个极值点为中心取一个半径为6s的圆形区域，其中s表示尺度，计算该圆形区域内点的Haar小波响应，将π/3范围内的响应相加形成新的矢量，遍历整个圆形区域，选择最长矢量的方向作为该极值点的主方向，在主方向上选取边长为20s的正方形区域，用这个区域内的Haar小波响应构成加速鲁棒SURF特征，即分别得到目标模板的加速鲁棒SURF特征和当前帧的加速鲁棒SURF特征；(5)利用欧氏距离对步骤4f)获得的加速鲁棒SURF特征进行匹配：对于当前帧中的特征向量(h1,h2,…,hm)和目标模板中的特征向量(s1,s2,…,sn)，分别求(h1,h2,…,hm)中每一个元素hj与(s1,s2,…,sn)中所有元素之间欧式距离的最小值dj，如果dj小于设定的阈值Td，则认为加速鲁棒SURF特征匹配成功，否则匹配失败，并将匹配成功的结果作为当前帧的目标跟踪结果，其中hj表示当前帧中第j个加速鲁棒SURF特征点的坐标，j＝1,2,…,m，m表示当前帧中特征点的总个数；si表示目标模板中第i个加速鲁棒SURF特征点的坐标，i＝1,2,…,n，n表示目标模板中特征点的总个数；(6)输出当前帧的目标跟踪结果，并用当前帧跟踪的目标作为更新的目标模板；(7)循环执行步骤2c)～步骤(6)，直到视频的最后一帧。